延伸主題 官方 Beta 指引與 PDF 課綱

公務 AI 專案驗收與委外規格

從 AI 公務人才認定指引裡的履約規格、驗收標準、委辦監理,拆成政府機關、企業與接政府案廠商看得懂的 AI 專案驗收重點。

直接答案

公務 AI 專案不能只看 demo 好不好看。官方指引已經把履約規格、驗收標準、委辦監理放進 AI 政策人才能力裡,代表政府會越來越需要能把 AI 專案管得住、驗得出來的人。

常見問題

  • 政府 AI 專案到底要怎麼驗收?
  • 接政府 AI 案的廠商要準備哪些資料?
  • AI 委外規格可不可以只寫準確率?

行動清單

  • 先定義 AI 要解決的業務情境、使用者與決策影響
  • 把資料來源、資料品質、個資與權限邊界寫進規格
  • 把驗收指標拆成模型表現、系統可用性、資安、人工覆核與錯誤處理
  • 要求廠商交付測試報告、限制說明、維運方式、操作日誌與移交文件
  • 把上線後的監控、模型更新、資料更新、事故回報與責任分工先寫清楚

主題說明

這件事的重點不是「政府以後一定會怎麼標 AI 案」,而是官方文件已經把一個訊號講出來了:公務體系不能只會買 AI、看 AI demo,還要有人能寫規格、設驗收、盯委外、看風險。

AI 公務人才認定指引把 履約規格驗收標準委辦專案監理 放進 AI 政策人才能力,也把 專案-規劃類 認證列為公務特有項目。這代表政府 AI 專案未來真正難的地方,不一定是模型多炫,而是能不能被管理、被驗證、被移交、被追責。

官方已經講到哪裡

目前官方文件可以確認幾件事:

  • AI 政策人才不只做政策規劃,也包含資料治理、倫理法規、風險控管、採購驗收機制。
  • AI 政策人才能力裡明確出現履約規格、驗收標準設定與委辦專案監理。
  • 專案-規劃類認證重點是 AI 服務導入規劃與履約監理,屬於公務特有項目。
  • 專案-技術類則偏向完整 AI 專案實作、需求分析、資料收集、模型建置、系統部署、治理設計、技術審查與品質控管。
  • 學習模組裡有「委外 AI 系統規格制定與驗收實務」,訓練目標包含 AI 模型測試、驗收基礎、指標流程、報告判讀與風險辨識。
  • 「機關導入 AI 線」把需求定義、導入模式、資料評估、專案驗收與營運管理放在同一條流程裡。

白話講,政府已經不只是在問「公務員會不會用 AI」。它開始問:AI 專案從需求、資料、委外、測試、驗收到上線後營運,有沒有能力一路管下去。

驗收不能只看模型分數

AI 專案最容易出現的錯覺,是把驗收寫成一個漂亮數字。

例如:

模型準確率達 90% 即完成驗收。

這種寫法太薄。因為它沒有回答:測什麼資料?資料是不是接近真實業務?錯誤類型是什麼?低信心輸出怎麼處理?遇到敏感資料怎麼擋?上線後模型表現變差誰要看?使用者被錯誤影響時怎麼補救?

比較像樣的 AI 驗收,至少要拆成六個面向。

驗收面向要問的問題廠商或內部團隊要交付的證據
情境與需求AI 用在哪個流程?影響誰?哪些情境不能用?使用情境、需求對照表、排除情境
資料資料從哪裡來?能不能用?品質如何?是否含個資或機密?資料盤點、資料處理紀錄、權限說明
模型與系統模型表現怎麼測?API 或系統如何整合?失敗時怎麼退回?測試報告、架構圖、錯誤處理流程
風險與法遵有沒有人工覆核?有沒有偏誤、資安、個資、著作權風險?風險評估、人工審核紀錄、資安檢核
營運維護上線後誰監控?資料或模型怎麼更新?事件怎麼回報?維運計畫、監控指標、事故通報流程
移交與留痕機關或企業能不能接手?出了事查不查得到?操作手冊、日誌、教育訓練與移交紀錄

規格可以怎麼寫得比較不危險

下面不是正式標案文字,只是幫讀者理解「AI 規格要寫到什麼程度」。

不夠好的寫法比較可驗收的寫法
建置 AI 客服系統建置可回答特定服務範圍的 AI 客服,列明可回答題庫、不可回答事項、信心不足轉人工、對話紀錄保存、錯誤回報與知識庫更新流程
建置 RAG 知識庫列明文件來源、更新頻率、權限分級、引用來源顯示、查無資料回覆、測試問題集、回收率與錯誤案例處理
導入 AI 文書工具定義可用文件類型、不可輸入資料、輸出覆核責任、版本紀錄、敏感資料遮蔽與教育訓練
模型準確率達 90%定義測試資料集、評估指標、錯誤類型、最低門檻、人工覆核點、上線後監控與重新評估條件

重點不是把規格寫得很厚,而是讓驗收真的能回答:這套 AI 到底能不能在指定情境裡被安全使用。

政府機關與廠商各自要準備什麼

角色應該先準備
機關或業主需求情境、資料盤點、風險等級、不可接受的錯誤、人工覆核點、驗收指標、維運責任
AI 廠商技術架構、模型限制、測試方法、資料處理方式、資安設計、日誌與監控、維運與移交文件
專案管理者需求變更紀錄、測試與驗收排程、缺失改善追蹤、跨部門溝通、上線後檢討
法務或資安個資、營業秘密、著作權、委外契約、權限、資料保存、事件通報與責任邊界

接政府案的廠商尤其要注意:政府可能越來越不滿足於「你們模型很準」這種說法。比較有說服力的是你能不能把資料、測試、限制、風險、維運、移交全部講清楚。

民間企業也可以借鏡

即使不接政府案,這套拆法也很適合企業內部買 AI 或導入 AI。

公司真正要問的不是「這套 AI 好不好用」,而是:

  1. 它用在哪個流程?
  2. 它吃什麼資料?
  3. 它錯了會怎樣?
  4. 誰要看它的輸出?
  5. 上線後誰維護?
  6. 出事時查不查得到?

如果這六題答不出來,通常代表專案還沒準備好驗收。

現在不能講太滿的地方

這份主題頁是從官方 Beta 指引和課綱整理出的實務方向,不是新的採購法律意見,也不是說所有政府 AI 標案現在都必須照這套做。

還要繼續追的是:

  • 公務 AI 應用規劃導入能力認證何時正式完成。
  • 這套能力分類是否會被各機關放進派訓、任用、採購或專案管理流程。
  • 政府 AI 委外案未來是否會明確要求特定 AI 能力、證照或驗收文件。
  • AI 風險分類框架、AI 產品與系統評測、資安與個資規範,會怎麼接到實際驗收。

常見問題

這篇是在說政府 AI 採購已經有新規定嗎?

不是。這篇整理的是 AI 公務人才認定指引裡已經出現的履約規格、驗收標準、委辦監理能力,並轉成政府機關與接案廠商可以先準備的實務清單。它不能寫成正式採購義務。

AI 專案驗收是不是只看準確率?

不應該只看準確率。AI 專案還要看資料來源、測試方法、適用場景、錯誤處理、人工覆核、資安權限、日誌、維運與更新。不同場景的驗收重點也會不同。

接政府 AI 案的廠商現在最該補什麼?

先補可交付的證據:需求對照表、資料盤點、測試報告、模型或系統限制、風險控管、權限與日誌設計、維運與移交文件。不要只準備簡報和 demo。

來源與查證

  1. 數位治理職能培力 / 數位發展部 / 查證 2026-06-11
  2. AI 公務人才認定指引 PDF / 數位發展部 / 查證 2026-06-11
  3. AI 公務人才學習模組與課綱 PDF / 數位發展部 / 查證 2026-06-11
  4. AI 公務人才認定指引 Beta 版新聞稿 / 數位發展部 / 查證 2026-06-11
  5. AI 公務人才發展辦公室專區 / 行政院人事行政總處 / 查證 2026-06-11

下一步閱讀